从零实现Llama3中文版_llama3 从零

1.前言

一个月前，Meta 发布了开源大模型 llama3 系列，在多个关键基准测试中优于业界 SOTA 模型，并在代码生成任务上全面领先。

此后，开发者们便开始了本地部署和实现，比如 llama3 的中文实现、llama3 的纯 NumPy 实现等。

几天前，有位名为「Nishant Aklecha」的开发者发布了一个从零开始实现 llama3 的存储库，包括跨多个头的注意力矩阵乘法、位置编码和每个层在内都有非常详细的解释，帮助我们理解大语言模型是如果构建和工作的。

该项目得到了大神 Karpathy 的称赞，他表示项目看起来不错，完全展开后，通过模块嵌套和相互调用，可以更容易看到实际的情况。

项目地址：https://github.com/naklecha/llama3-from-scratch

2.从零实现Llama3中文版

详细实现见仓库地址：wdndev/llama3-from-scratch-zh: 从零实现一个 llama3 中文版

项目主要翻译「Nishant Aklecha」的 llama3-from-scratch 仓库，并对中文版做了特殊的适配，使该项目能在一台 16G RAM 的笔记本电脑上运行：

1. 将英文翻译为中文，文中的 Youtube 视频也替换为 Bilibili链接，方便查看；
2. 将原版 Llama3-8B模型上传至Modescope社区，方便国内下载；
3. 因原版 Llama3-8B 模型采用32层 Transformers，且大佬「Nishant Aklecha」使用CPU加载，如果加载全部的参数，16G内存机器加载失败，故选取原版 Llama3-8B 模型权重的前2层，重新保存，大小约占为2.7G，此教程也可以直接加载，实际测试内存占用约4~5G，唯一缺点是后续推理结果不对，但不影响学习矩阵变换等其他知识；
4. Jupyter文件，可直接在 16G RAM 笔记本电脑运行；

2.1 实现细节

1. 分词器(Tokenizer):
   • 使用tiktoken库进行文本分词。
   • 定义了一些特殊标记,如文本开始<|begin_of_text|>、文本结束<|end_of_text|>等。
   • 通过tokenizer.encode将文本转换为标记序列,通过tokenizer.decode将标记序列转换回文本。
2. 模型权重和配置:
   • 加载Llama3-8B模型Pytorch格式权重。
   • 加载Llama3-8B模型配置,包括:
     • 维度dim: 4096
     • 层数n_layers: 32
     • 注意力头数n_heads: 32
     • 键值头数n_kv_heads: 8
     • 词汇表大小vocab_size: 128256
     • 其他参数如multiple_of、ffn_dim_multiplier、norm_eps、rope_theta等。
3. 文本到标记(Tokenization):
   • 使用分词器将输入文本转换为标记序列。
   • 将标记转换为对应的标记ID。
4. 标记嵌入(Embeddings):
   • 使用torch.nn.Embedding层将标记ID转换为词嵌入向量。
   • 将词嵌入向量进行归一化处理。
5. Transformer层:
   • 实现了Transformer模型的一个层,包括:
     • 归一化: 使用RMS归一化对输入进行归一化。
     • 注意力机制:
       • 使用模型权重初始化查询(Query)、键(Key)、值(Value)矩阵。
       • 对查询矩阵进行拆分,得到每个注意力头的查询向量。
       • 通过点积计算查询向量与键向量的关系,得到注意力分数矩阵。
       • 对注意力分数应用掩码,防止未来信息的泄露。
       • 使用Softmax函数对注意力分数进行归一化。
       • 将归一化的注意力分数与值向量相乘,得到加权的值向量。
     • 多头注意力: 对每个注意力头重复上述过程,并将结果合并。
     • 输出权重: 使用模型权重将注意力输出映射到最终的输出向量。
6. 前馈网络(Feed-Forward Network):
   • 使用SwiGLU网络架构,增加模型的非线性表达能力。
   • 通过矩阵乘法实现前馈网络的计算。
7. 多层堆叠:
   • 将上述Transformer层和前馈网络堆叠32层。
   • 每一层都会对输入进行更复杂的变换和抽象。
8. 输出解码:
   • 使用模型的输出层权重将最终的嵌入向量映射到词汇表上。
   • 通过取最大值获取预测的下一个标记ID。
   • 使用分词器将标记ID解码回文本。

2.2 总结

• 详细展示了从头开始构建大型语言模型的一个层的完整过程。
• 通过分步实现文本分词、标记嵌入、注意力机制、多头注意力、前馈网络等关键组件,让读者能够深入理解模型的工作原理。